Visualizzazione artistica di questa ricerca. Utilizzo dell'analisi dei dati guidata dall'intelligenza artificiale per eliminare il rumore e trovare la forma effettiva dell'universo. Credito:Istituto di matematica statistica
Gli astronomi giapponesi hanno sviluppato una nuova tecnica di intelligenza artificiale (AI) per rimuovere il rumore nei dati astronomici a causa di variazioni casuali nelle forme delle galassie. Dopo un'ampia formazione e test su dati fittizi di grandi dimensioni creati da simulazioni di supercomputer, hanno quindi applicato questo nuovo strumento ai dati reali del telescopio giapponese Subaru e hanno scoperto che la distribuzione di massa derivata dall'utilizzo di questo metodo è coerente con i modelli dell'Universo attualmente accettati. Questo è un nuovo potente strumento per analizzare i big data da indagini astronomiche attuali e pianificate.
I dati di rilievo di un'ampia area possono essere utilizzati per studiare la struttura su larga scala dell'Universo attraverso misurazioni di modelli di lenti gravitazionali. Nella lente gravitazionale, la gravità di un oggetto in primo piano, come un ammasso di galassie, può distorcere l'immagine di un oggetto sullo sfondo, come una galassia più lontana. Alcuni esempi di lenti gravitazionali sono ovvi, come l'"Occhio di Horus". La struttura di grandi dimensioni, costituito principalmente da misteriosa materia "oscura", può distorcere anche le forme di galassie lontane, ma l'effetto lente previsto è sottile. Per creare una mappa delle distribuzioni di materia oscura in primo piano è necessaria la media su molte galassie in un'area.
Ma questa tecnica di guardare molte immagini di galassie si imbatte in un problema; alcune galassie hanno un aspetto un po' buffo per natura. È difficile distinguere tra un'immagine di una galassia distorta dalla lente gravitazionale e una galassia che è effettivamente distorta. Questo è indicato come rumore di forma ed è uno dei fattori limitanti nella ricerca che studia la struttura su larga scala dell'Universo.
Schema dell'intelligenza artificiale utilizzata in questo studio, una rete generativa contraddittoria (GAN). La prima rete, chiamato il generatore di immagini G, stima ed emette una mappa dell'obiettivo denoizzata da una mappa dell'obiettivo rumorosa. La seconda rete, il discriminatore di immagine D, confronta la mappa dell'obiettivo creata da G con la mappa dell'obiettivo senza rumore reale e identifica l'immagine creata da G come un falso. Inserendo un gran numero di coppie di mappe di lenti rumorose/senza rumore nelle due reti, G è addestrato a creare mappe dell'obiettivo più vicine agli originali, e D è addestrato a individuare più accuratamente i falsi prodotti da G. In questo studio, 25, 000 paia di mappe di lenti rumorose e prive di rumore ottenute da simulazioni numeriche utilizzando ATERUI II sono state utilizzate per creare una rete stabile. Finalmente, un generatore di immagini addestrato G stima una mappa dell'obiettivo denoizzata sulla base della mappa dell'obiettivo di osservazione rumorosa effettivamente osservata. Attestazione:NAOJ
Per compensare il rumore di forma, un team di astronomi giapponesi ha utilizzato per la prima volta ATERUI II, il supercomputer più potente del mondo dedicato all'astronomia, per generare 25, 000 finti cataloghi di galassie basati su dati reali del telescopio Subaru. Hanno quindi aggiunto rumore realistico a questi set di dati artificiali perfettamente noti, e ha addestrato un'intelligenza artificiale a recuperare statisticamente la materia oscura delle lenti dai dati fittizi.
Dopo l'allenamento, l'IA è stata in grado di recuperare dettagli fini prima non osservabili, aiutandoci a migliorare la nostra comprensione della materia oscura cosmica. Quindi, utilizzando questa intelligenza artificiale su dati reali che coprono 21 gradi quadrati del cielo, il team ha trovato una distribuzione della massa in primo piano coerente con il modello cosmologico standard.
"Questa ricerca mostra i vantaggi della combinazione di diversi tipi di ricerca:osservazioni, simulazioni, e analisi dei dati AI, "dice Masato Shirasaki, il leader della squadra, "In questa era di big data, dobbiamo superare i confini tradizionali tra le specialità e utilizzare tutti gli strumenti disponibili per comprendere i dati. Se possiamo farlo, aprirà nuovi campi nell'astronomia e in altre scienze."
